将所有数据帧列强制转换为float的最快方法 - pandas astype slow

Question

有没有更快的方法将pandas数据帧的所有列转换为单一类型？ 这似乎特别慢：

df = df.apply(lambda x: x.astype(np.float64), axis=1)

我怀疑由于numpy.ndarray.astype的内存分配开销，我numpy.ndarray.astype 。

我也尝试了pd.to_numeric但它任意选择将我的一些列转换为int类型。

Answer 1

无需apply ，只需直接使用DataFrame.astype即可。

df.astype(np.float64)

apply -ing也会给你一个非常糟糕的性能打击。

例

df = pd.DataFrame(np.arange(10**7).reshape(10**4, 10**3))

%timeit df.astype(np.float64)
1 loop, best of 3: 288 ms per loop

%timeit df.apply(lambda x: x.astype(np.float64), axis=0)
1 loop, best of 3: 748 ms per loop

%timeit df.apply(lambda x: x.astype(np.float64), axis=1)
1 loop, best of 3: 2.95 s per loop

Answer 2

一种有效的方法是使用数组数据并将其转换回数据帧，如下所示 -

pd.DataFrame(df.values.astype(np.float64))

运行时测试 -

In [144]: df = pd.DataFrame(np.random.randint(11,99,(5000,5000)))

In [145]: %timeit df.astype(np.float64) # @Mitch's soln
10 loops, best of 3: 121 ms per loop

In [146]: %timeit pd.DataFrame(df.values.astype(np.float64))
10 loops, best of 3: 42.5 ms per loop

重新投入数据框并不是那么昂贵 -

In [147]: %timeit df.values.astype(np.float64)
10 loops, best of 3: 42.3 ms per loop # Casting to dataframe costed 0.2ms